Lisa丽萨

Face à la filière de l’IA décentralisée, quelle est votre première intuition ?
Tout le monde vante des dizaines de milliers de TPS et des réponses à l’échelle de la milliseconde, mais quand on essaie de faire passer cette mécanique dans des scénarios réels, tout le monde se trahit. La semaine dernière, pour tester un modèle de contrôle des risques multimodal basé sur des poids open source, j’ai déployé le code sur plusieurs chaînes parallèles orientées haute performance. La reconnaissance sur une seule image passe encore, mais dès qu’on empile des recherches par combinaison de caractéristiques non linéaires en haute dimension, la passerelle sous-jacente commence à perdre des paquets de façon frénétique. Le problème récurrent de ces concurrents, c’est qu’ils veulent tout résoudre sur une seule chaîne : faire en sorte que les nœuds qui exécutent le calcul gèrent aussi l’assemblage des blocs et le consensus d’état. Dans l’ingénierie des systèmes distribués, c’est littéralement l’opération inverse. Avec ce type de chaîne intégrée, dès qu’on ajuste la version du compilateur du modèle, ou que les opérateurs de base changent un peu, le déploiement des circuits en amont doit tout recommencer.
En ouvrant l’architecture de couche inférieure d’OpenGradient, j’ai au contraire remarqué une logique pragmatique assez différente de celle des autres. Elle ne demande pas aux nœuds de sprinter à toute vitesse tout en jouant frénétiquement la preuve de leur bonne foi ; elle sépare clairement les gens chargés du travail d’exécution et ceux chargés de la supervision via l’audit. Après essais, j’ai découvert que le meilleur de cette approche, c’est qu’elle libère la « liberté d’évolution » du modèle. Aujourd’hui, la taille des modèles multimodaux ou des modèles de spécialistes (mixture of experts) gonfle de façon effrayante : la chaîne n’arrive tout simplement pas à tout faire rentrer. Avec une conception hétérogène comme celle-ci, en réalité, elle réduit la blockchain à un contrat de vérification d’IA reconnu par tout le réseau. Peu importe, dans quelques années, quels que soient les réseaux neuronaux bizarres qui auront la cote : tant que la couche de vérification peut verrouiller mathématiquement la véracité des entrées et sorties, les mécanismes d’incitation et de règlement de Web3 s’imbriqueront sans heurts.
Cela dit, on ne va pas se mentir : l’expérience concrète n’est pas encore aussi fluide qu’on le souhaiterait. Lorsqu’on effectue des tests de charge à haute concurrence de nettoyage de données, les coûts de planification entre ses couches hétérogènes sont énormes ; l’allocation dynamique des poids, quand il s’agit de gérer les différences matérielles des nœuds, manque de finesse. De temps en temps, elle se bloque dans le cycle de règlement. Cette architecture n’est pas faite pour récolter à court terme le stock du marché ; elle sert de socle à l’économie des agents d’IA sur chaîne, promise à une explosion généralisée à l’avenir. Pour l’instant, ne vous laissez pas aveugler par les grands récits : gardez bien la bourse, attendez qu’elle réduise la latence des communications entre couches et le taux de refus de service des nœuds, puis seulement ensuite réfléchissez à vous lancer plus profondément. $SPCXB
#美国空袭伊朗10处军事目标
@OpenGradient #OPG $OPG

#XLM上涨10% #BNB金铲子挖矿 Cette vidéo parle des dernières stratégies en defi, vous pouvez en parler à vos amis qui s'intéressent aux jeux de defi.